Что мы уже знаем о любимой библиотеке редакции — TensorFlow?
В первой статье цикла мы впервые познакомились с ней. Узнали, что под капотом скрывается высокоскоростное ядро, написанное на C++, и что ей подвластна мощь графических ускорителей. А также дали вам ссылку на замечательный курс, который позволяет познать основы применения TensorFlow.
Во второй статье мы немного углубились в детали, рассказали о замечательном ресурсе, в котором описаны и визуализированы основные виды нейронных сетей. Рассказали и даже показали, где найти готовые модели и API и привели несколько примеров.
В третьей статье мы рассказали, почему TensorFlow это не просто еще одна ML библиотека, а целая экосистема с множеством сервисов и инструментов, облегчающих ваш труд.
В четвертой статье мы писали о таком большом и сложном понятии как Transfer learning. Упомянули о том, что одной из основных задач “переноса знаний” является решение проблемы обучения при недостатке данных. Ну и, конечно, скинули ссылку на замечательное руководство по созданию детектора енотиков.
При всех достоинствах TensorFlow у него огромное количество конкурентов. Некоторые далеко позади и выигрывают лишь за счет глубокой поддержки языков, в которых TensorFlow слаб или не имеет поддержки вовсе. Некоторые наступают на пятки или даже в чем-то обгоняют.
Поделимся с вами мыслями о конкурентах TensorFlow в будущих постах, а пока хотим задать вам важный вопрос:
Хотите больше математики в постах время от времени?
Заходите к нам в чат и поделитесь своими мыслями.
#mightytensorflow #технологии